动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

基于云计算的果园移动机器人动态路径规划

针对复杂果园环境下的移动机器人路径规划,提出一种基于云计算的混合改进人工鱼群算法.首先云端服务器利用栅格地图对环境进行建模,将Pareto支配关系和A*算法引入人工鱼的设计中,结合自适应的视野范围计算出静态全局最优路径,然后发送至移动机器人完成果园环境的路径规划.最后,针对动态环境中不同障碍物的速度和方向,提出3种避障策略.云计算平台实时跟踪动态环境信息,移动机器人根据需要执行相应策略,最终得到一条从起始点到目标点的无碰最优路径.通过仿真实验验证了该方法的有效性,为求解移动机器人路径规划提供了 一个新途径.     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

融合改进A^(∗)算法与动态窗口法的机器人避障研究北大核心CSCD

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。     

未知环境下的变形移动机器人路径规划

为提高移动机器人在未知环境下的避障能力及导航能力,提出了基于变形以及模糊算法的路径规划方法。变形移动机器人利用超声波传感器对静态未知环境进行检测,得到障碍物以及目标的位置信息,采取适当的变形措施以及在模糊控制的基础上调整自己的运动方向,最终实现避障和最优路径规划。仿真及实物实验结果表明,此方法能使变形机器人与环境实现交互调整,能使机器人通过变形以及避障结合的方式实现有效避障,提高了路径规划的优良性。     

电磁轴承柔性转子系统动态响应分析

给出了基于多输入多输出(M IMO)系统建模方法的电磁轴承柔性转子系统动态响应优化算法,通过数值仿真实例搜索得到系统最佳工作点。对电磁轴承柔性转子系统动态响应为目标函数的寻优规划的凸凹性进行了判定,对寻优结果作了鲁棒性分析,据此对寻优结果的可靠性给出了定量结论。计算与分析结果表明:电磁轴承柔性转子系统动态响应寻优规划为非凸规划,通过本文提出的优化仿真方法得到的系统最佳工作点为局部最优解且逼近全局最优解。     

自动泊车系统中AGV路径规划及碰撞规避问题分析

采用抑制转弯权值的改进A~*算法作为全局路径规划,结合动态冲突检测及动态避障策略,有效解决多AGV运行环境下的运行安全问题。优化算法能够实现AGV最优路径规划及动态避障功能,且算法执行效率高,在采用拓扑图法对智能停车场的实际环境建模的基础上,可提高AGV在实际应用领域的综合效益。     

基于深度强化学习的工业机器人避障路径规划方法

常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

A new efficient optimal path planner for mobile robot based on Invasive Weed Optimization algorithm

Planning of the shortest/optimal route is essential for efficient operation of autonomous mobile robot or vehicle. In this paper Invasive Weed Optimization (IWO), a new meta-heuristic algorithm, has been implemented for solving the path planning problem of mobile robot in partially or totally unknown environments. This meta-heuristic optimization is based on the colonizing property of weeds. First we have framed an objective function that satisfied the conditions of obstacle avoidance and target seeking behavior of robot in partially or completely unknown environments. Depending upon the value of objective function of each weed in colony, the robot avoids obstacles and proceeds towards destination. The optimal trajectory is generated with this navigational algorithm when robot reaches its destination. The effectiveness, feasibility, and robustness of the proposed algorithm has been demonstrated through series of simulation and experimental results. Finally, it has been found that the developed path planning algorithm can be effectively applied to any kinds of complex situation.     

A two-layered subgoal based mobile robot navigation algorithm with vision system and IR sensors

The present work describes the real-life implementation of a mobile robot navigation scheme where vision sensing is employed as primary sensor for path planning and IR sensors are employed as secondary sensors for actual navigation of the mobile robot with obstacle avoidance capability in a static or dynamic indoor environment. This two-layer based, goal-driven architecture utilizes a wireless camera in the first layer to acquire image and perform image processing, online, to determine subgoal, employing a shortest path algorithm, online. The subgoal information is then utilized in the second layer to navigate the robot utilizing IR sensors. Once the subgoal is reached, vision based path planning and IR guided navigation is reactivated. This sequential process is continued in an iterative fashion until the robot reaches the goal. The algorithm has been effectively tested for several real-life environments created in our laboratory and the results are found to be satisfactory.     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

Sonar-based obstacle avoidance using region partition scheme

This paper addresses an obstacle avoidance problem for a mobile robot in indoor environment. The collision avoidance algorithm utilizes a region partition scheme to analyze the three forward sensory regions of the robot, then to calculate the minimum distances from the center of mass of the robot to the obstacles, respectively, and ultimately to find a navigable region. The supervisor inside the controller receives a series of obstacle avoidance behaviors and makes a decision that allows the robot to successfully navigate in a cluttered environment. In addition, experimental results to illustrate the proposed obstacle avoidance algorithm for the mobile robot in navigation are also presented.     

自动驾驶电动汽车避障控制算法

电动汽车具有操作简单、可持续发展等优势,因此被广泛应用,而避障作为自动驾驶电动汽车在行驶过程中非常重要的部分,对发展自动驾驶车辆具有重要意义。本文提出一种基于遗传算法(GA)的自主避障控制算法,解决了传统算法只能在横向避障的缺陷。在集群行为规则的基础上,利用运动学和动力学设计对应的三种速度项,同时通过本文所设计的适应度函数来验证此算法的避障能力。最后通过Ubuntu进行了仿真验证,对应的自启动速度分别为4、6和8 m/s时,最终适应度分别为0.92、0.87和0.8,其中6个适应度函数中的4个恰好为1(完全无碰撞),得出所提出的自主避障控制算法稳定性高、操作简单以及有较强的避障能力。     

面向避障和紧凑的浮动滚子推杆盘形凸轮机构尺寸综合问题

基于“双释放（释放滚子中心和凸轮轴心）的基本思想,根据Ⅰ类尺寸综合方法,分析推理得到最优凸轮轴心[O**1]是“整程避障成功”的最适任解,给出障碍集{Di}与许用边界{-Di}等若干概念,提出滚子、凸轮“整程避障成功”的解析判据,以及“简约搜索区域[Σ2]和[Σ0]”和求解凸轮轴心O1、滚子中心C解区域的遍历搜索方法,进而提出“机构紧凑尺寸解”的求解方法,圆满解决了面向避障和紧凑的浮动滚子推杆盘形凸轮机构尺寸综合问题。最后给出了机构尺寸综合的一个算例。     

清洁机器人路径规划算法研究综述

针对目前清洁机器人的清洁效率低,同时路径规划技术存实际应用中方法简单、适应性弱,特别是在障碍物环境下存在明显的不足等问题,提出了路径规划的基本方法及关键过程,保证机器人完成清洁任务,达到自主路径规划和全区域覆盖的要求。着重分析了环境建模的不同技术,同时讨论了在环境地图中不同的路径搜索算法,通过对算法的覆盖率、重复率等重要性能指标进行了比较,分析了不同算法的优、缺点及适用范围,为算法的合理应用提供了技术参考,最后提出了清洁机器人进一步研究的方向。研究结果表明,根据环境的复杂程度,需要采取不同的路径规划算法来制定控制方案,而对多种算法进行融合技术处理则能有效地提高对不同环境的适用度以及控制系统的鲁棒性。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。